Μοντελισμός Τεχνητών Νευρωνικών Δικτύων (ANNs) Σε Ζώα

Ο νευροεπιστήμονας του Εργαστηρίου Cold Spring Harbor (CSHL) Anthony Zador έχει δείξει ότι η εξέλιξη και τα ζώα μπορούν να χρησιμοποιηθούν ως έμπνευση για τη μηχανική μάθηση. Αυτό μπορεί να είναι полезτικό για τη βοήθεια της τεχνητής νοημοσύνης να λύσει πολλά διαφορετικά προβλήματα.

Σύμφωνα με τον νευροεπιστήμονα του CSHL Anthony Zador, η τεχνητή νοημοσύνη (AI) μπορεί να verbessθεί σημαντικά με την έρευνα των ζωικών εγκεφάλων. Με αυτήν την προσέγγιση, οι νευροεπιστήμονες και οι ειδικοί στην τεχνητή νοημοσύνη έχουν einen νέο τρόπο για την επίλυση κάποιων από τα πιο σημαντικά προβλήματα της τεχνητής νοημοσύνης.

Ο Anthony Zador, M.D., Ph.D., έχει αφιερώσει μεγάλο μέρος της καριέρας του στην εξήγηση των σύνθετων νευρωνικών δικτύων μέσα στον ζωντανο εγκέφαλο. Πηγαίνει μέχρι τον个ικό νευρώνα. Στο ξεκίνημα της καριέρας του, επικεντρώθηκε σε κάτι διαφορετικό. Μελέτησε τα τεχνητά νευρωνικά δίκτυα (ANNs). Τα ANNs είναι συστήματα υπολογισμού που έχουν αποτελέσει τη βάση πολλών αναπτυξών μας στον τομέα της τεχνητής νοημοσύνης. Μοντελοποιούνται μετά τα δίκτυα και στα ζωικά και ανθρώπινα εγκέφαλα. Μέχρι τώρα, αυτό ήταν το σημείο όπου σταματούσε η έννοια.

Ένα πρόσφατο άρθρο, γραμμένο από τον Zador, δημοσιεύθηκε στο Nature Communications. Σε αυτό το άρθρο, ο Zador περιέγραψε πώς οι νέες και βελτιωμένες αλγόριθμοι μάθησης βοηθούν τα συστήματα τεχνητής νοημοσύνης να αναπτύσσονται σε σημείο να ξεπερνούν σημαντικά τους ανθρώπους. Αυτό συμβαίνει σε eine ποικιλία εργασιών, προβλημάτων και παιχνιδιών όπως το σκάκι και το πόκερ.尽管 κάποια από αυτά τα υπολογιστικά συστήματα μπορούν να εκτελέσουν τόσο καλά σε eine ποικιλία σύνθετων προβλημάτων, συχνά μπερδεύονται από πράγματα που οι άνθρωποι θεωρούν απλά.

Εάν οι ειδικοί σε αυτόν τον τομέα μπορούσαν να λύσουν αυτό το πρόβλημα, τα ρομπότ θα μπορούσαν να φθάσουν σε σημείο ανάπτυξης όπου θα μπορούσαν να μάθουν να κάνουν εξαιρετικά φυσικά και οργανικά πράγματα, όπως το κυνήγι θηραμάτων ή την κατασκευή ενός φωλιάς. Θα μπορούσαν ακόμη και να κάνουν κάτι όπως το πλύσιμο των πιάτων, το οποίο έχει αποδειχθεί εξαιρετικά δύσκολο για τα ρομπότ.

«Τα πράγματα που μας φαίνονται δύσκολα, όπως η αφηρημένη σκέψη ή το σκάκι, δεν είναι στην πραγματικότητα τα δύσκολα για τις μηχανές. Τα πράγματα που μας φαίνονται εύκολα, όπως η αλληλεπίδραση με τον φυσικό κόσμο, αυτό είναι που είναι δύσκολο», εξήγησε ο Zador. «Ο λόγος που νομίζουμε ότι είναι εύκολο είναι ότι είχαμε μισό δισεκατομμύριο χρόνια εξέλιξης που έχει συνδέσει τους κυκλώματές μας ώστε να το κάνουμε χωρίς προσπάθεια».

Ο Zador πιστεύει ότι εάν θέλουμε τα ρομπότ να επιτύχουν γρήγορη μάθηση, κάτι που θα άλλαζε τα πάντα στον τομέα, ίσως δεν πρέπει να κοιτάξουμε μόνο έναν τελειοποιημένο γενικό αλγόριθμο μάθησης. Τι πρέπει να κάνουν οι επιστήμονες και άλλοι είναι να κοιτάξουν προς τα βιολογικά νευρωνικά δίκτυα που μας έχουν δοθεί από τη φύση και την εξέλιξη. Αυτά θα μπορούσαν να χρησιμοποιηθούν ως βάση για την κατασκευή γρήγορης και εύκολης μάθησης συγκεκριμένων τύπων εργασιών, εργασιών που είναι σημαντικές για την επιβίωση.

Ο Zador μιλάει για ό,τι μπορούμε να μάθουμε από τα σκίουρα που ζουν στα δικά μας πίσω υάρδια εάν απλώς κοιτάξουμε τη γενετική, τα νευρωνικά δίκτυα και τη γενετική προδιάθεση.

«Έχετε σκίουρα που μπορούν να πηδήξουν από δέντρο σε δέντρο μέσα σε quelques εβδομάδες μετά τη γέννηση, αλλά δεν έχουμε ποντίκια που μαθαίνουν το ίδιο πράγμα. Γιατί όχι;» είπε ο Zador. «Είναι γιατί το ένα είναι γενετικά προκαθορισμένο να γίνει ένα δέντρο-κατοικίδιο ζώο».

Ο Zador πιστεύει ότι ένα από τα πράγματα που θα μπορούσε να προέλθει από τη γενετική προδιάθεση είναι το εγγενές κυκλωματικό που υπάρχει σε ένα ζώο. Βοηθά το ζώο και οδηγεί την πρώιμη μάθησή του. Ένα από τα προβλήματα με την προσάρτηση αυτού στο κόσμο της τεχνητής νοημοσύνης είναι ότι τα δίκτυα που χρησιμοποιούνται στη μηχανική μάθηση, αυτά που καταδιώκονται από τους ειδικούς της τεχνητής νοημοσύνης, είναι πολύ πιο γενικευμένα από αυτά στη φύση.

Εάν μπορούμε να φθάσουμε σε σημείο όπου τα ANNs φθάσουν σε σημείο ανάπτυξης όπου μπορούν να μοντελοποιηθούν μετά τα πράγματα που βλέπουμε στη φύση, τα ρομπότ θα μπορούσαν να αρχίσουν να κάνουν εργασίες που κάποτε ήταν εξαιρετικά δύσκολες.